YOLOv10s训练代码解析6：forward

本专栏会手把手带你从源码了解YOLOv10(后续会陆续介绍YOLOv8、RTDETR等模型)，尽可能地完整介绍整个算法，这个专栏会持续创作与更新，大家如果想要本文PDF和思维导图，后台私信我即可(创作不易，不喜勿喷)，大家如果发现任何错误和需要修改的地方都可以私信我，我会统一修改。

在获取batch数据后(数据增强后)，ultralytics/engine/trainer.py的第380行先将图像tensor的值变为float，再 /255；

每个batch里的信息：

im_files：长度为batch，值为图片的路径                         

ori_shape：长度为batch，每个值为图片的宽高尺寸    

resized_shape：长度为batch，每个值为训练resize后的尺寸       

img：tensor，维度为[batch，3，resized_shape[0]，resized_shape[1]]             

cls：一个batch所有目标类别拼接得到的tensor，维度为[Nobj，1]                   bboxes：一个batch所有目标坐标（xywh）拼接得到的tensor，维度为[Nobj， 4]                                                                                                                    batch_idx：维度为[Nobj]，值为每个目标所在图片对应的索引（0-batch-1）

再到ultralytics/nn/tasks.py中计算loss；

继续调用ultralytics/nn/tasks.py中的BaseModel类的loss方法，先初始化critertion(one2many和one2one的TaskAlignedAssigner标签分配初始化，这两者唯一区别是one2many的topk为10，one2one的topk为1)，再前向预测，最后计算loss

再跳转到ultralytics/nn/tasks.py中的BaseModel类的forward方法，继续执行self.predict方法来预测

继续跳转到ultralytics/nn/tasks.py的_predict_ones方法执行前向推理过程 (这里以几个特殊示例说明，后续结合结构图说模型架构)

输入x: [batch, 3, 640, 640]                                   

m: Conv(

  (conv): Conv2d(3, 32, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False)

  (bn): BatchNorm2d(32, eps=0.001, momentum=0.03, affine=True, track_running_stats=True)

  (act): SiLU(inplace=True))                                       

运行到第133行，前向推理每一层得到x的输出：torch.Size([16, 32, 320, 320])

对于需要用到不是向前层的（也就是第4、6、10、13、16、19、22层，就是self.save存储的（可从前面解析看到）），y保存结果          

第134行y保存的是第4、6、10、13、16、19、22层的输出，其他层的输出则为None，然后需用到这些层作为输入的时候，第130行进行获取并作为输入x

YOLOv10s模型的架构如下图所示：

最后回到第五幅图的第274行，preds得到的输入如下:

{'one2many': [(batch, 144, 80, 80), (batch, 144, 40, 40), (batch, 144, 20, 20)], 'one2one': [(batch, 144, 80, 80), (batch, 144, 40, 40), (batch, 144, 20, 20)]}

这部分关于的整体流程如下图所示，需要原图和思维导图的朋友关注我私信获取